L'intelligence artificielle générative bouscule les fondements de la compréhension éducative
Alors que les systèmes d'intelligence artificielle générative produisent désormais des textes, des images et des raisonnements d'une qualité toujours plus impressionnante, une interrogation fondamentale émerge dans le domaine éducatif : que signifie véritablement comprendre aujourd'hui ? Cet article, initialement publié sur The Conversation, souligne un paradoxe contemporain. De nombreux étudiants peuvent désormais rendre des travaux académiques irréprochables sur le plan formel : parfaitement structurés, solidement argumentés, parfois même brillants dans leur présentation. Pourtant, lorsqu'on les interroge en profondeur sur leur contenu, un malaise palpable apparaît. Ils éprouvent des difficultés à expliquer ce qu'ils ont réellement assimilé, à justifier leurs choix méthodologiques, à établir des liens entre leurs productions et des expériences vécues ou des situations concrètes.
L'intelligence artificielle générative n'est pas systématiquement la cause directe de cette situation préoccupante, mais elle en constitue un révélateur particulièrement puissant. Car si produire de l'information n'a jamais été aussi simple et accessible, comprendre véritablement ce que l'on fait n'a jamais été aussi exigeant et complexe. Cette tension entre production automatisée et compréhension authentique redéfinit les enjeux éducatifs contemporains.
Connaître, savoir, comprendre : une distinction épistémologique devenue cruciale
À l'ère de l'intelligence artificielle omniprésente, la question éducative ne peut plus se penser uniquement en termes d'accumulation mécanique de connaissances. Elle impose désormais de clarifier rigoureusement ce que l'on entend par connaître, savoir et comprendre, et d'interroger profondément la manière dont ces dimensions fondamentales s'articulent dans les processus d'apprentissage modernes.
Deux grandes traditions épistémologiques éclairent particulièrement cette distinction essentielle. Le scientifique Michael Polanyi a démontré avec perspicacité que toute connaissance humaine comporte une part irréductiblement tacite : elle s'enracine profondément dans l'expérience personnelle, l'action concrète et l'engagement subjectif. « Nous savons plus que ce que nous pouvons dire », affirmait-il avec justesse, soulignant ainsi que la compréhension authentique précède souvent sa formulation explicite. Cette connaissance en acte, souvent implicite et difficilement formalisable, se construit progressivement dans le faire pratique, l'essai expérimental, l'erreur constructive et la confrontation permanente au réel.
À l'opposé de cette approche, le philosophe Gaston Bachelard a établi avec rigueur que le savoir scientifique véritable ne procède pas d'un simple prolongement de l'expérience immédiate. Il exige au contraire une rupture radicale avec les évidences premières et avec l'opinion commune, au prix d'un travail exigeant de construction rationnelle, critique et abstraite. « La science ne procède pas de l'opinion », rappelait-il avec force, insistant sur la nécessité absolue de former l'esprit à poser des problèmes complexes plutôt qu'à accumuler mécaniquement des réponses toutes faites.
Former une « tête bien faite » à l'ère numérique, ce n'est donc ni accumuler passivement des savoirs abstraits, ni se contenter d'une expérience brute non réfléchie. C'est apprendre à tenir ensemble de manière dialectique ces deux dimensions complémentaires : l'expérience vécue incarnée et la construction conceptuelle abstraite, l'action pratique et la réflexivité critique.
Les capacités et les limites fondamentales de l'intelligence artificielle
Les systèmes d'intelligence artificielle contemporains excellent précisément là où le savoir est parfaitement formalisable : calcul mathématique, synthèse documentaire, reproduction technique, mise en forme esthétique. Ils prennent en charge une part croissante du savoir explicite, stabilisé, calculable et reproductible. Mais ils opèrent dans un régime cognitif spécifique : celui de la corrélation statistique probabiliste et de la production d'énoncés simplement plausibles.
L'intelligence artificielle ne connaît pas véritablement le monde, elle ne le comprend pas dans sa complexité. Elle ne possède ni expérience subjective, ni rapport incarné au réel, ni accès aux conditions de pluralité des phénomènes qu'elle décrit. L'information qu'elle génère est par nature :
- Probabiliste – elle repose sur des calculs de vraisemblance issus de corrélations statistiques plutôt que sur une compréhension causale
- Contingente – elle dépend étroitement des données d'entraînement, des contextes d'énonciation et des paramètres techniques
- Révisable – elle peut être corrigée, contredite ou reformulée à tout moment sans que cela n'implique une progression interne de la compréhension
Cette distinction fondamentale est aujourd'hui au cœur des travaux contemporains sur les usages éducatifs de l'intelligence artificielle, qui démontrent que l'automatisation de certaines tâches cognitives peut, si elle est mal encadrée pédagogiquement, appauvrir significativement l'exercice du jugement critique et de la pensée autonome.
Plus les productions de l'intelligence artificielle deviennent formellement convaincantes, plus le risque est grand de confondre dangereusement cohérence superficielle et compréhension profonde, à savoir paraître véridique en lieu et place d'un énoncé prudent, nuancé et ouvrant véritablement le dialogue intellectuel.
Mesurer la complexité : une compétence cognitive qui s'apprend progressivement
Face à cette situation éducative inédite, un enjeu pédagogique majeur émerge avec force : développer la capacité à mesurer la complexité authentique des choses. Distinguer avec acuité ce qui relève de la surface informationnelle de ce qui engage une compréhension véritablement structurée. Apprécier avec finesse les différents niveaux de profondeur d'un problème, d'un système ou d'une situation complexe.
Or cette capacité cognitive essentielle ne se décrète pas administrativement. Elle se construit progressivement, patiemment, par l'expérience répétée du réel dans sa résistance. Elle suppose un travail actif et exigeant de confrontation dialectique entre ce que l'on anticipe théoriquement et ce que révèle l'épreuve de la réalisation concrète. C'est dans l'écart, toujours instructif et fécond, entre le modèle abstrait et l'expérience vécue que s'affinent les critères de jugement et que se développe une intelligence véritablement située, au sens où elle articule harmonieusement savoir formalisé et connaissance incarnée.
Le savoir ne devient opérant et fécond qu'à condition d'être éprouvé concrètement, mis en tension avec le réel, réajusté continuellement à la lumière de ses résistances et de ses surprises imprévues. Inversement, l'expérience brute, si elle n'est pas reprise dans un cadre réflexif et conceptuel rigoureux, demeure muette et difficilement transmissible. La formation contemporaine doit donc organiser méthodiquement les conditions de cette circulation exigeante entre théorie et pratique, abstraction et incarnation.
Une révolution pédagogique aussi profonde que la révolution technologique
L'intelligence artificielle ne transforme pas seulement nos outils techniques. Elle intervient désormais au cœur même des fonctions cognitives supérieures : mémoire externalisée, accès instantané à l'information, génération de raisonnements simplement apparents. Là où les technologies précédentes amplifiaient des capacités humaines déjà constituées, l'intelligence artificielle en reconfigure désormais l'équilibre fondamental.
L'enjeu éducatif se déplace en conséquence radicalement. Il ne s'agit plus principalement d'apprendre à produire ou à restituer mécaniquement de l'information mais d'apprendre à en évaluer la profondeur, la cohérence interne, les conditions de validité épistémologique et les effets concrets dans le réel. Cette mutation profonde rejoint les analyses visionnaires du sociologue Edgar Morin sur la pensée complexe, qui soulignent la nécessité urgente de former des esprits capables de relier, de contextualiser et d'affronter l'incertitude plutôt que de réduire le réel à des réponses simplifiées et réductrices.
Des travaux récents en sciences cognitives et en sciences de l'éducation démontrent d'ailleurs que l'usage simplement substitutif de l'intelligence artificielle peut conduire à une forme de délégation cognitive excessive, réduisant dangereusement l'engagement intellectuel et la mémorisation à long terme, là où un usage réflexif et critique peut au contraire renforcer significativement l'apprentissage profond et durable.
Former des ingénieurs et des citoyens capables de jugement éclairé
Former une tête bien faite à l'ère de l'intelligence artificielle implique ainsi de ne pas confondre délégation cognitive utile et renoncement intellectuel dangereux. Il s'agit de former des sujets autonomes capables de faire usage de systèmes techniques puissants sans s'y soumettre passivement, capables de maintenir une exigence de sens là où la machine ne produit que de la forme superficielle.
Chez IONIS, le développement des IONIS Institute of Technology sur les campus procède d'une conviction pédagogique forte : si nos étudiants ingénieurs doivent maîtriser techniquement les technologies de l'intelligence artificielle, ils doivent tout autant apprendre à en éprouver concrètement les limites par la confrontation permanente au réel. Le laboratoire expérimental, l'atelier pratique et l'expérimentation concrète deviennent alors des lieux centraux de formation du jugement professionnel.
Former de bons ingénieurs – et plus largement des citoyens éclairés et responsables – consiste à cultiver un esprit critique, mesuré et évolutif, nourri continuellement par l'expérience concrète, le faire pratique et le défaire réflexif. À l'ère de l'intelligence artificielle omniprésente, la question essentielle n'est donc pas seulement ce que nous attendons de la machine technologique mais bien ce que nous attendons de l'humain : sa capacité irréductible à comprendre profondément, à créer authentiquement et à décider avec discernement dans des environnements incertains et technologiquement augmentés.
